• 통합자연과학논문집
• /
• 제7권1호
• /
• pp.57-61
• /
• 2014

This study measured the stream data from the several sensors, and stores the database in MapReduce framework environment, and it aims to design system with the small performance and cluster analysis error rate through the KMSVM algorithm. Through the KM-SVM algorithm, the cluster analysis effective data was used for U-health system. In the results of experiment by using 2003 data sets obtained from 52 test subjects, the k-NN algorithm showed 79.29% cluster analysis accuracy, K-means algorithm showed 87.15 cluster analysis accuracy, and SVM algorithm showed 83.72%, KM-SVM showed 90.72%. As a result, the process speed and cluster analysis effective ratio of KM-SVM algorithm was better.

• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.103-111
• /
• 2011

최근 만성질환을 예방하고 건강을 증진시킬 목적으로 신체활동에 대한 중요성이 인식되면서 신체활동 연구가 활발히 진행되고 있다. 본 연구에서는 3축 가속도 동작감지기 x, y, z축에 대한 $cm/s^2$의 가속도 합인 SVM(Signal Vector Magnitude)를 이용하여 신체활동 에너지 소비량 알고리즘을 구현하였다. 기존 실험을 통해 타당도가 입증된 COUNT 방식의 Freedson, Hendelman, Leenders, Yngve 알고리즘에 SVM 방식을 적용하여 구현 하였다. COUNT와 SVM 상관관계 분석을 위하여 총 10명의(성인 남성 5명, 여성 5명, 20 ~ 30 대) 피험자를 대상으로 실험을 진행하였다. 피험자는 트레드밀위에서 3단계 신체활동 (걷기: 3km/h, 빨리 걷기: 5km/h, 러닝: 8km/h)을 1주 간격으로 4주 간 반복 실험을 진행하였다. 실험결과 얻어진 COUNT와 SVM의 간의 상관관계를 분석하여 다양한 신체활동에 따른 맞춤형 에너지 측정 알고리즘을 구현하였다.

• 한국수자원학회논문집
• /
• 제47권11호
• /
• pp.1095-1105
• /
• 2014

본 연구에서는 Tropical Rainfall Measuring Mission (TRMM) 3B43 V7 (25 km)의 월 누적 격자 강우량을 1 km 해상도로 상세화하기 위해 Support Vector Machine (SVM) 회귀를 활용한 상세화 기법을 제안하였다. 비선형 예측모델인 SVM은 상세화의 기반이 되는 다양한 수문기상인자와 강우 발생간의 월별 상관성 구축에 효율적으로 활용되었다. 상세화된 격자 강우는 전국에 고루 분포한 64개 지점 관측 강우와의 비교 분석을 통해 상세화 이전의 격자 강우 보다 다소 개선된 정확도를 지니는 것으로 확인되었다. 특히, 상세화 이전 격자 강우가 지니는 양의 Bias가 효과적으로 개선되었다. 상세화 전후의 공간분포 비교에서 두 분포는 평균적으로 유사했으나, 상세화 이전 강우의 공간분포에서 나타나지 않았던 강우의 국지적 특성이 상세화된 공간분포를 통해 잘 표현되는 것을 확인할 수 있었다. 특히, 일부 지점의 과소 및 과대산정이 상세화를 통해 개선되어 전반적인 정확도 향상에 기여하였음을 확인했다. 본 연구에서 제안된 상세화 기법이 적용된 격자 강우는 모델의 정확도 향상을 위한 고해상도 입력자료로 활용될 수 있으며, 추후 연구에서는 SVM 외에 다른 회귀 방식을 활용하여 최적의 강우 상세화 기법 개발에 기여할 수 있을 것으로 보인다.

• 재활복지공학회논문지
• /
• 제6권1호
• /
• pp.1-8
• /
• 2012

본 논문에서는 3축 가속도 동작 감지기를 이용하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 피험자 33명(남성: 15, 여성: 18명)을 대상으로 트레드밀에서 호흡가스분석기, 3축 가속도 동작 감지기(피트미터)를 허리와 손목에 착용 후 2 km/h ~ 11 km/h 까지 각 단계별 2분 수행 후, 1 km/h 씩 증가 시키면 실험을 진행하였다. 3축 가속도 동작 감지기의 x, y, z축 출력 값을 하나의 대표 값으로 처리하는 신호벡터크기(Signal Vector Magnitude: SVM)와 산소소비량과의 회귀분석을 통하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 허리, 손목, 허리와 손목의 3축 가속도 동작 감지기 착용 위치에 따라 알고리즘을 구현하고 각각의 알고리즘 별로 비교하여 신체활동의 특성에 따라 선택적으로 이용할 수 있도록 구현 하였다.

• 재활복지공학회논문지
• /
• 제5권1호
• /
• pp.27-33
• /
• 2011

3축 가속도 동작감지기를 이용하여 x, y, z축에 대한 가속도 합인 SVM(Signal Vector Magnitude)를 적용한 신체활동 에너지 소비량과 신체활동 강도 예측 알고리즘을 구현하였다. 신체 건강한 20~30대 성인 남성 5명, 여성 5명을 대상으로 골반 장골능에 엑티그라프(LLC, USA)와 피트미터(Fit.life. korea)를 착용하고 트레드밀위에서 3단계 신체활동(걷기: 3km/h, 빨리 걷기: 5km/h, 러닝: 8km/h)을 수행하였다. 각 신체활동 단계별로 7분간 신체활동을 수행하고 5분간 휴식을 통하여 각 신체활동 단계별로 안정화된 상태에서 실험하였다. 이러한 실험을 1주 간격으로 4주간 반복 실험을 진행하였다. 실험결과 얻어진 엑티그라프와 피트미터의 600여개 데이터 상관관계를 분석하여 METs와 kcal 그리고 신체활동 강도를 구분하는 알고리즘을 구현하였다.

• 한국습지학회지
• /
• 제25권4호
• /
• pp.306-314
• /
• 2023

하천퇴적물은 유역내 다양한 오염원으로부터 발생하는 중금속, 유기물 등 오염물질의 수용체일 뿐만 아니라 수질 오염 및 수생태 악영향을 유발할 수 있는 2차적 오염원이기에 중요한 관리대상이라고 할 수 있다. 오염된 하천퇴적물의 효과적인 관리를 위해서는 오염원에 대한 식별과 이와 연계된 관리대책의 수립이 우선되어야 한다. 본 연구는 하천퇴적물내 측정된 다양한 이화학적 오염항목 분포 특성에 기반하여 퇴적물의 주요 오염원을 식별하기 위한 방법으로서 기계학습모델의 적용성을 평가하였다. 기계학습 모델의 성능 평가를 위해 전국 4대강 수계내 주요 폐금속광산 및 산업단지 인근에서 수집된 총 356개의 하천퇴적물에 대한 중금속 10개 항목(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, Al)과 토양항목 3개(모래, 실트, 점토 비율) 수질항목 5개(함수율, 강열감량, 총유기탄소, 총질소, 총인)를 포함한 총 18개 오염항목에 대한 분석자료를 활용하였다. 기계학습 분류 모델로서 선형판별분석(linear discriminant analysis, LDA)과 서포트벡터머신(support vector machine, SVM) 분류기를 사용하여 폐금속광산('광산')과 산업단지('산단') 인근에서의 하천퇴적물 시료의 분류 성능을 평가한 결과, 채취 지점 및 시기별 4가지 경우(비강우시 광산, 강우시 광산, 비강우시 산단, 및 강우시 산단)에 대한 퇴적물 시료의 분류 성능이 우수하였으며, 특히 비선형 모델인 SVM(88.1%)이 선형모델인 LDA(79.5%) 보다 퇴적물을 분류하는데 있어 보다 우수한 성능을 나타냈다. SVM 앙상블 기반 비배타적 다중라벨분류기 모델을 이용하여 각 시료채취 지점 상류 유역 1km 반경 내 지배적인 토지이용 및 오염원을 다중 타겟값으로 다중분류 예측을 수행한 결과, 폐금속광산과 산업단지의 분류는 비교적 높은 정확도로 수행하였으나, 도시와 농업지역 등 다른 비점오염원에 대한 분류정확도는 56~60%범위로 비교적 낮게 나타났다. 이는 다중라벨 분류모델의 복잡성에 비해 데이터셋의 크기가 상대적으로 작아서 발생한 과적합에 기인한 것으로 향후 보다 많은 측정자료가 확보될 경우 기계학습 모델을 적용한 오염원 분류의 정확도를 보다 향상시킬 수 있을 것으로 판단된다.

• 대한안전경영과학회지
• /
• 제14권1호
• /
• pp.87-93
• /
• 2012

The purpose of this study suggests a personalized algorithm of physical activity energy expenditure prediction through comparison and analysis of individual physical activity. The research for a 3-axial accelerometer sensor has increased the role of physical activity in promoting health and preventing chronic disease has long been established. Estimating algorithm of physical activity energy expenditure was implemented by using a tri-axial accelerometer motion detector of the SVM(Signal Vector Magnitude) of 3-axis(x, y, z). A total of 10 participants(5 males and 5 females aged between 20 and 30 years). The activities protocol consisted of three types on treadmill; participants performed three treadmill activity at three speeds(3, 5, 8 km/h). These activities were repeated four weeks.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.5-5
• /
• 2015

현재 우리나라에서 지상관측장비인 AWS(Automatic Weather System)와 ASOS(Automated Synoptic Observing System)기구가 한반도내 668개 지점에서 운영되고 있다. 이러한 장비는 지상관측장비로 하나의 지점에서 측정된 기상변량들이 특정 영역의 대푯값으로 사용되어지고 있다. 기존의 다양한 지점 단위의 수문 모형에서는 지상관측소를 통한 관측값을 적용하기에 어려움 없이 적절한 결과를 도출할 수 있었다. 컴퓨터의 발달로 인하여 복잡한 물리적 현상을 공간적으로 분석할 수 있는 모형의 구동이 가능해짐에 따라서 수문 분야에서도 다양한 분포형 해석 모형이 활발하게 개발 및 적용되고 있다. 지점 관측 자료는 공간적인 연속성을 반영하지 못하는 한계로 인하여 지점 관측자료를 이용한 공간자료의 생성 기법들이 사용되어지고 있지만 자연계에서 나타나는 정확한 공간적 현상을 재현해주지 못하는 문제점이 존재한다. 이러한 지점 관측의 한계를 해결하기 위하여 공간적인 관측이 가능한 레이더와 위성관측과 같은 원격 관측 장비들이 개발되어 공간적으로 연속성을 갖는 기상변량의 취득이 가능하여졌다. TRMM 강우자료는 지구 전체를 0.25도 약 25km 공간해상도를 갖으며 3시간 간격으로 제공되고 있다. 유역단위의 수문모형에 적용하기에 TRMM 강수자료의 공간해상도는 너무 커서 직접적인 적용에 어려움이 있다. 이러한 점에서 TRMM 자료의 상세화 기법을 통하여 수문모형에 적용이 가능한 1km 이하의 고해상도 자료를 생산하는 연구들이 진행되고 있다. 이러한 상세화 방법은 최종적으로 도출하고자 하는 공간해상도를 갖는 대체 변량(지표면 온도, 고도, 식생, 해수면 기압, 상대 습도, 대기온도, 풍향 등)을 이용하여 회귀분석의 형태로 분석이 이루어지고 있다. 그러나 대체 변량을 통해 도출된 상세화된 TRMM 강우는 간접적인 추정으로 인하여 정확한 결과의 도출에는 한계가 있을 것으로 판단된다. 이러한 점에서 본 연구에서는 한반도내 지상 관측값을 공간적 자료로 변환하여 주는데 효과적으로 평가받는 PRISM 모형에 적용하여 기존 SVM 모형을 통한 TRMM 상세화 결과가 갖는 정확성을 평가해 보고 지점 관측자료의 보간 기법의 평가에 TRMM 자료를 활용하는 방안에 대해 평가해 보고자 한다.

• 대기
• /
• 제20권4호
• /
• pp.415-426
• /
• 2010

A Land cover map over East Asian region (Kongju national university Land Cover map: KLC) is classified by using support vector machine (SVM) and evaluated with ground truth data. The basic input data are the recent three years (2006-2008) of MODIS (MODerate Imaging Spectriradiometer) NDVI (normalized difference vegetation index) data. The spatial resolution and temporal frequency of MODIS NDVI are 1km and 16 days, respectively. To minimize the number of cloud contaminated pixels in the MODIS NDVI data, the maximum value composite is applied to the 16 days data. And correction of cloud contaminated pixels based on the spatiotemporal continuity assumption are applied to the monthly NDVI data. To reduce the dataset and improve the classification quality, 9 phenological data, such as, NDVI maximum, amplitude, average, and others, derived from the corrected monthly NDVI data. The 3 types of land cover maps (International Geosphere Biosphere Programme: IGBP, University of Maryland: UMd, and MODIS) were used to build up a "quasi" ground truth data set, which were composed of pixels where the three land cover maps classified as the same land cover type. The classification results show that the fractions of broadleaf trees and grasslands are greater, but those of the croplands and needleleaf trees are smaller compared to those of the IGBP or UMd. The validation results using in-situ observation database show that the percentages of pixels in agreement with the observations are 80%, 77%, 63%, 57% in MODIS, KLC, IGBP, UMd land cover data, respectively. The significant differences in land cover types among the MODIS, IGBP, UMd and KLC are mainly occurred at the southern China and Manchuria, where most of pixels are contaminated by cloud and snow during summer and winter, respectively. It shows that the quality of raw data is one of the most important factors in land cover classification.

• Journal of Astronomy and Space Sciences
• /
• 제40권4호
• /
• pp.199-215
• /
• 2023

The Korea Pathfinder Lunar Orbiter (KPLO), the first South Korea lunar exploration probe, successfully arrived at the Moon on December, 2022 (UTC), following a 4.5-month ballistic lunar transfer (BLT) trajectory. Since the launch (4 August, 2022), the KPLO magnetometer (KMAG) has carried out various observations during the trans-lunar cruise phase and a 100 km altitude lunar polar orbit. KMAG consists of three fluxgate magnetometers capable of measuring magnetic fields within a ± 1,000 nT range with a resolution of 0.2 nT. The sampling rate is 10 Hz. During the originally planned lifetime of one year, KMAG has been operating successfully while performing observations of lunar crustal magnetic fields, magnetic fields induced in the lunar interior, and various solar wind events. The calibration and offset processes were performed during the TLC phase. In addition, reliabilities of the KMAG lunar magnetic field observations have been verified by comparing them with the surface vector mapping (SVM) data. If the KPLO's mission orbit during the extended mission phase is close enough to the lunar surface, KMAG will contribute to updating the lunar surface magnetic field map and will provide insights into the lunar interior structure and lunar space environment.